SWE-Review : Boucler la boucle de la résolution de problèmes avec la relecture de code agentique

Résumé

Les agents de codage génèrent de plus en plus de pull requests (PR) pour des problèmes logiciels réels, mais la génération ponctuelle de PR reste en boucle ouverte : la PR est proposée sans examen, diagnostic ou révision systématique. Nous présentons SWE-Review, un cadre pour fermer cette boucle grâce à une revue de code agentique. Étant donné un problème et une PR générée par IA, un agent relecteur explore le dépôt, décide si la PR doit être acceptée et fournit un retour structuré pour la révision. Nous évaluons ce cadre avec notre SWE-Review-Bench proposé pour mesurer à la fois la justesse de la revue et l'utilité de la révision en aval. Nous élaborons également le jeu de données SWE-Review-Traj pour étudier des applications plus larges de la revue agentique et combler le manque de données pour l'entraînement ouvert de relecteurs. Les expériences montrent que la revue agentique améliore continuellement les PR via une boucle génération-révision-correction, surpasse la revue à contexte fixe en un seul tour tant en précision de décision qu'en taux de résolution après révision, se transpose au-delà de la revue pour améliorer les modèles de résolution de problèmes, et permet une mise à l'échelle efficace et efficiente au moment du test. Ces résultats positionnent la revue de code agentique comme un mécanisme pratique pour faire passer les agents de codage IA d'une génération ponctuelle de PR vers une résolution de problèmes en boucle fermée.

English

Coding agents increasingly generate pull requests (PRs) for real-world software issues, yet one-shot PR generation remains open-loop: the PR is proposed without systematic review, diagnosis, or revision. We introduce SWE-Review, a framework for closing this loop with agentic code review. Given an issue and an AI-generated PR, a reviewer agent explores the repository, decides whether the PR should be accepted, and provides structured feedback for revision. We evaluate this setting with our proposed SWE-Review-Bench to measure both review correctness and downstream revision usefulness. We further curate SWE-Review-Traj dataset to study broader applications of agentic review and fill the data-scarcity gap for open reviewer training. Experiments show that agentic review continuously improves PRs through a generate-review-revise loop, outperforms single-turn fixed-context review in both decision accuracy and resolve rate after revision, transfers beyond review to improve issue-resolution models, and enables effective and efficient test-time scaling. These results position agentic code review as a practical mechanism for moving AI coding agents from one-shot PR generation toward closed-loop issue resolution.